Kvíz spojený s průvodcem · Střední úroveň

Imagen Text-to-Image kvíz

Prohlédněte si původní úpravy textu Imagen, kaskádové generování, dynamické prahování a možnosti robustnosti v tréninku v super rozlišení.

Související vodicí cestyImagen Text na obrázek
Otázka 1 z 8

In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?
    • Discarding the language encoder entirely
    • Increasing the pretrained text encoder's size rather than the diffusion model's size
    • Replacing diffusion with nearest-neighbor image lookup
    • Reducing every prompt to a single word
  2. Na jaký kodér textu se Imagen spoléhá?
    • Konvoluční obrazová síť
    • Malý LSTM
    • Ručně psaný soubor pravidel
    • Zamrzlý jazykový model T5-XXL
  3. Jak Imagen dosahuje vysokého rozlišení?
    • Kaskádová difúze s fázemi zvýšení rozlišení v super rozlišení
    • Jediný obrovský generační krok
    • Oříznutím velké sériové fotografie
    • Interpolací dvou obrázků
  4. What problem did original Imagen's dynamic thresholding address under strong guidance?
    • A lack of text tokens in the encoder vocabulary
    • The need to compress the final PNG file
    • Saturation of predicted pixel values during sampling
    • A missing training label for every object
  5. Co je DrawBench?
    • Tablet na kreslení
    • Značka GPU
    • Datový soubor fotografií koček
    • Referenční měřítko náročných výzev pro hodnocení modelů převodu textu na obrázek
  6. Proč je kodér T5-XXL v Imagenu zamrzlý?
    • Je rozbitý a nemůže cvičit
    • Jeho porozumění bohatému textu z předtréninkových přenosů bez dalšího ladění
    • Pouze pro úsporu místa na disku
    • Protože text je irelevantní
  7. What resolution did original Imagen's base diffusion model generate before its super-resolution stages?
    • 256 by 256 pixels as the first stage
    • 1024 by 1024 pixels directly
    • 64 by 64 pixels
    • A single pixel that was copied across the final image
  8. Why did the Imagen researchers add Gaussian noise to low-resolution conditioning images during super-resolution training?
    • To make the upsamplers more robust to imperfect inputs from earlier stages
    • To remove text conditioning from the entire cascade
    • To guarantee that all training images had the same caption
    • To replace the upsamplers with deterministic resizing